2.0 KiB
2.0 KiB
Калибровка вероятностей классификаторов
Описание проекта
Проект выполнен в рамках учебной практики по Python и анализу данных.
В работе исследуется калибровка вероятностных предсказаний модели машинного обучения с использованием библиотеки scikit-learn. Выполнено сравнение вероятностей до и после калибровки на синтетическом и внешнем датасетах.
Используемые технологии
- Python 3.14
- JupyterLab
- pandas
- numpy
- matplotlib
- scikit-learn
- openml
Структура работы
В проекте рассматриваются:
- Создание синтетического датасета через
make_classification - Обучение модели
LogisticRegression - Калибровка вероятностей через
CalibratedClassifierCV - Построение calibration curve
- Работа с внешним датасетом OpenML
Внешний датасет
В качестве внешнего датасета использован набор данных OpenML с ID 40691.
Для корректной работы calibration curve многоклассовая задача была преобразована в бинарную классификацию.
Результат работы
В ходе выполнения проекта были получены навыки:
- работы с JupyterLab;
- предобработки данных;
- обучения моделей машинного обучения;
- построения графиков;
- анализа вероятностных предсказаний модели.
Запуск проекта
Установка зависимостей:
pip install -r requirements.txt